Kompetenshöjning för en AI-driven framtid


Detta är en översättning av Upskilling workers for an AI-powered future av Bernhard Schmidt-Hertha
Temat artificiell intelligens (AI) har nått allmänheten senast med fri tillgång till stora språkmodeller (LLM). Medvetenheten om AI:s relevans har dock ökat inom företag under mycket längre tid. AI möjliggör nya produktionsprocesser som är mycket mer maskindrivna, ökar effektiviteten i logistiken och förändrar också avsevärt informationsbasen och -verktygen för de flesta tjänster. Det är dock kontroversiellt i vilken utsträckning denna teknik i grunden kommer att förändra arbetslivet och hur den påverkar arbetsmarknaden. Även om det är relativt tydligt vilka enskilda verksamheter som skulle kunna tas över av AI i framtiden är det i slutändan upp till företag och kunder att bestämma var de vill utnyttja dessa möjligheter. För det första är det dock viktigt att förstå vad AI kan göra nu och kommer att kunna göra inom en snar framtid. För att kunna bedöma detta behöver företagen anställda, eller åtminstone en del av dem, med lämplig know-how. AI-relaterade grundkunskaper kan integreras i yrkesutbildning och studieprogram eller föras vidare till befintliga anställda genom fortbildningskurser.
Situationen för små och medelstora företag
Stora företag har sedan länge anpassat sig till användningen av AI och testar framtidssäkra arbetsprocesser som använder AI i olika former (robotik eller maskininlärning) och ställer därför olika krav på den mänskliga arbetskraften. Användningen av AI är också en viktig framtidsfråga för små och medelstora företag, men de saknar ofta specialister som kan bedöma möjligheterna med AI för deras verksamhetsområde och ge motsvarande utvecklingsimpulser. Att ge de anställda den kompetens som krävs är också en viktig fråga ur företagens synvinkel (Ulrich & Frank, 2021), men kan inte uppnås av dem själva. Det handlar inte bara om rena AI-specialister, vars anställning knappast skulle vara ekonomiskt lönsam för mindre företag, utan om att förbereda kvalificerade arbetstagare i företaget för användning av AI. För att snabbt kunna reagera på den mycket snabba utvecklingen på AI-området behövs kvalificeringsstrategier som riktar sig till både framtida och nuvarande specialister. Projektet KI B3 - Att föra in artificiell intelligens i yrkesutbildningen (FKZ: 21IV005F), som finansieras av det tyska förbundsministeriet för utbildning och forskning, har därför utvecklat och testat både en extra lärmodul för elever och också olika utbildningsformat för erfarna specialister (Achtenhagen m.fl., 2024).
Innehåll och prioriteringar ur de olika aktörernas perspektiv
Eftersom sådana ytterligare kvalifikationer och utbildning måste vara begränsade i omfattning ligger en viktig utmaning i att välja innehåll från det stora området AI-kunskap. I KI B3-projektet ansvarade AI-experter från Stuttgarts universitet för läroplanens didaktiskt meningsfulla struktur, men samtidigt måste de berörda lärarnas och elevernas intressen och förslag beaktas. Lärare på yrkesskolor intervjuades därför och eleverna tillfrågades i en webbenkät. Båda grupperna betonar vikten av en allmän grundläggande kunskap om AI, med specifika tillämpningsområden och exempel, samt ämnet dataanalys, gränserna för AI och de etiska frågor som är förknippade med AI. Eleverna anser också att ämnet maskininlärning är särskilt viktigt (Rott m.fl., 2024). Följaktligen inkluderades dessa ämnen som ett viktigt innehåll i utbildningskurserna, som tillhandahölls som blandade (blended) utbildningskurser i yrkesskolor och genom fortbildningsanordnare. Utvärderingen av dessa kurser visade en tydlig lärutveckling och en hög grad av tillfredsställelse med innehållet och didaktiken. Betydelsen av de medföljande personliga mötena betonades särskilt. Rätt balans mellan grundläggande kunskaper och konkreta tillämpningsexempel och övningar visade sig också vara avgörande för framgång (se även Petridou & Lao, 2024). Eleverna var kritiska till bristen på konkreta tillämpningsexempel.
AI-verktyg var dock inte bara föremål för lärande utan användes också för att utforma lärmiljöerna. Bland annat utvecklades en chatbot för detta ändamål, som kunde svara på elevernas frågor om kursens innehåll och teman. De första resultaten tyder på en hög acceptans av chatboten, även om den fortfarande används med försiktig hållning. Det är troligt att eleverna behöver vänja sig vid den proaktiva användningen av sådana AI-verktyg och internalisera dem som en tillgänglig resurs.
Utmaningar
Kritiken av bristen på koppling till (deras egen) yrkesutövning, som framkom i forskningen, avslöjar en viktig utmaning. Det faktum att kurserna erbjöds via yrkesskolor och fortbildningsanordnare innebar att det saknades ett direkt deltagande i elevernas dagliga arbetsliv. Detta skulle kräva ett större deltagande av företag eller respektive handledare eller utbildare i utbildningsverksamheten. Ett alternativ skulle kunna vara så kallade lärfabriker, som simulerar produktions- och arbetsvillkor som ännu inte har genomförts i respektive företag (Merkel m.fl., 2017).
Hittills har erbjudandet främst utnyttjats av elever med särskilt goda förutsättningar och kvalificerade arbetstagare. Men den höga grad av självriktning som krävs av eleverna i en virtuell lärmiljö, liksom det krävande innehållet i kursen, kan snabbt överväldiga svagare elever. Ett nyligen lanserat projekt undersöker hur AI kan användas i lärmiljön för att stödja just denna målgrupp. En annan särskild utmaning är de etiska frågorna och integritetsbegränsningarna som sätter strikta gränser för adaptiva och personliga lärstrategier..
Referenser
Rott, K. J., Lao, L., Petridou, E. & Schmidt-Hertha, B. (2022). Needs and requirements for an additional AI qualification during dual vocational training: results from studies of apprentices and teachers. Computers and Education: Artificial Intelligence, 2022, 100102. https://doi.org/10.1016/j.caeai.2022.100102
Merkel, L., Atug, J., Merhar, L., Schultz, C., Braunreuther, S., & Reinhart, G. (2017). Teaching smart production: An insight into the learning factory for cyber-physical production systems (lvp). Procedia Manufacturing 9, 269 -274. https://doi.org/10.1016/j.promfg.2017.04.034
Ulrich, P. & Frank, V. (2021). Relevance and adoption of AI technologies in German SMEs - results from survey-based research. Procedia Compututer Science 192, 2152-2159, https://doi.org/10.1016/j.procs.2021.08.228
Achtenhagen, C., Rott, K. J. & Zühlke, A. (2024). Die Entwicklung von neuen Bildungsabschlüssen. Ein Making-of aus dem InnoVET-Projekt KI B³. berufsbildung. Zeitschrift für Theorie-Praxis-Dialog 78(2), 21-25. 10.3278/BB2402W007
Petridou, E., & Lao, L. (2024). Identifying challenges and best practices for implementing AI additional qualifications in vocational and continuing education: a mixed methods analysis. International Journal of Lifelong Education43(4), 385–400. https://doi.org/10.1080/02601370.2024.2351076
Biografisk notering
Bernhard Schmidt-Hertha är professor i allmän utbildning och utbildningsforskning i Tyskland. Hans huvudsakliga forskningsområden är lärande senare i livet, övergångar, yrkesutbildning, avhopp och digitala medier i utbildning. Han är medredaktör för tre akademiska tidskrifter och är medlem i styrelsen för det tyska förbundet för utbildningsforskning (GERA). År 2009 lanserade han Det europeiska nätverket för utbildning och lärande av äldre vuxna (The European Network on Education and Learning of Older Adults; ELOA), som fortfarande är aktivt.
Kommentar